Konvertera PDF till Markdown
Gör om en PDF till en .md-fil där rubriker, listor och tabeller skrivs med Markdown-syntax, redo för ett anteckningsvalv, ett dokumentationsrepo eller ett RAG-flöde.
PDF-konverterare
eller släpp PDF-filer här ·
Max 95 MB per fil· Upp till 20 filer· Raderas efter 30 minuter
Filerna bearbetas på våra servrar och raderas efter 30 minuter.
Skannade PDF-filer är bilder av sidor. Auto kör OCR bara på sidor utan textlager; På tvingar det för varje sida.
Språket som är tryckt i skanningen. Rätt val förbättrar träffsäkerheten märkbart för accenter och icke-latinska skriftsystem.
Flödande text omflödas till vanliga stycken som är lätta att redigera. Exakt layout placerar varje block där det var, vilket ser likadant ut men är svårare att redigera.
Var identifierade tabeller hamnar i arbetsboken.
Sidnummer eller intervall åtskilda med kommatecken, t.ex. 1-3, 5, 8-10.
Så använder du verktyget
- 1
Lägg till PDF-filen
Släpp in upp till 20 PDF-filer på högst 95 MB vardera. Skannade sidor läses med OCR så länge Textigenkänning (OCR) står på Auto.
- 2
Välj bilder och sidor
Behåll bilder är på, så figurer följer med. Stäng av det för en ren textfil och använd Sidor att konvertera för att hoppa över ett omslag eller en bilaga.
- 3
Konvertera och granska strukturen
Klicka på Konvertera till Markdown och ladda ner .md-filen, eller en ZIP om det är flera. Kontrollera rubriknivåerna först.
En PDF lagrar tecken på bestämda positioner, medan Markdown lagrar struktur som tecken: # för en rubrik, ett streck för en listpunkt, lodräta streck för en tabell. Konverteringen läser tillbaka strukturen från teckenstorlekar, indrag och kolumner.
Så återskapar konverteringen från PDF till MD rubriker, listor och tabeller
De flesta PDF-filer vet inte att en rad är en rubrik. Om filen inte exporterats som taggad PDF, en funktion som kom i PDF 1.4 år 2001 och som krävs av tillgänglighetsstandarden PDF/UA (ISO 14289), är en titel bara text i ett större eller tyngre typsnitt. Konverteraren rangordnar de typsnittsstilar den hittar och mappar de största återkommande till #, ## och ###, så en rapport med tydlig typografisk hierarki får en ren disposition.
Listor känns igen från punkter och indrag: punkter blir -, numrerade rader 1. och djupare indrag nästlade punkter. Text som är justerad i kolumner blir en pipe-tabell, en syntax som GitHub formaliserade i sin GFM-specifikation 2017; Markdown som John Gruber publicerade 2004 hade inga tabeller alls. Länkar behåller sina mål som [text](url).
Radbrytningar som bara fanns för att raden nådde marginalen förs ihop till stycken igen. En återkommande sidhuvudstext eller ett sidnummer som hamnar mellan två stycken är det man oftast behöver ta bort efteråt.
| from ↓ · to → | MD | TXT | DOCX | HTML |
|---|---|---|---|---|
| Headings | Headings to MD: yes | – Headings to TXT: no | Headings to DOCX: yes | Headings to HTML: yes |
| Punkt- och numrerade listor | Punkt- och numrerade listor to MD: yes | – Punkt- och numrerade listor to TXT: no | Punkt- och numrerade listor to DOCX: yes | Punkt- och numrerade listor to HTML: yes |
| Enkla tabeller | Enkla tabeller to MD: yes | – Enkla tabeller to TXT: no | Enkla tabeller to DOCX: yes | Enkla tabeller to HTML: yes |
| Sammanslagna tabellceller | – Sammanslagna tabellceller to MD: no | – Sammanslagna tabellceller to TXT: no | Sammanslagna tabellceller to DOCX: yes | Sammanslagna tabellceller to HTML: yes |
| Links | Links to MD: yes | – Links to TXT: no | Links to DOCX: yes | Links to HTML: yes |
| Fast sidlayout | – Fast sidlayout to MD: no | – Fast sidlayout to TXT: no | Fast sidlayout to DOCX: yes | – Fast sidlayout to HTML: no |
Det här kan en PDF till Markdown-konverterare inte återskapa
Portable Document Format
PDF skapades av Adobe 1993 och blev den öppna ISO 32000-standarden 2008. Det fixerar text, typsnitt, bilder och layout så att ett dokument ser likadant ut på varje skärm och skrivare. PDF-filer kan innehålla formulär, signaturer, länkar, bilagor och sökbar text, och varianten PDF/A används för långtidsarkivering. Den fasta layouten gör PDF svårt att redigera, och skannade PDF-filer innehåller bara bilder om inte OCR har använts. Alla webbläsare och operativsystem kan öppna dem.
- Komprimering
- –
- Transparens
- Ja
- Animation
- Nej
- Introducerades
- 1993 · Adobe
MD
Markdown
Markdown är en lättviktig syntax för märkning som John Gruber skapade 2004. Den använder symboler i ren text, som # för rubriker, * för betoning och - för listor, som förblir läsbara som råtext och konverteras rent till HTML. Det är standard för README-filer, dokumentation, wikis, anteckningsappar och många generatorer för statiska webbplatser. Det finns flera dialekter, som CommonMark och GitHub Flavored Markdown, som skiljer sig i detaljer som tabeller. Vilken textredigerare som helst kan öppna .md-filer.
- Komprimering
- –
- Transparens
- –
- Animation
- –
- Introducerades
- 2004 · John Gruber
Man gör om en PDF till Markdown när texten ska finnas i verktyg för ren text, som ett anteckningsvalv, ett dokumentationsrepo eller ett AI-sökindex, där en rubrik ska vara ett # och inte ett större typsnitt.
Vissa saker lagrades aldrig i en form som går att läsa tillbaka. En sidoruta mellan kolumner kan hamna mitt i ett stycke. Ekvationer som är uppsatta som placerade symboler blir en rad tecken, inte LaTeX. Text som ritats som vektorkonturer, vanligt i logotyper och exporterade bilder, innehåller inga tecken alls.
Tabeller med sammanslagna rubrikceller eller celler med flera stycken plattas till ett enkelt rutnät, så räkna med att skriva om en komplicerad rubrikrad för hand. Om du bara behöver orden ger PDF till TXT ren text; om din källa är ett Word-utkast behåller DOCX till Markdown mer struktur, eftersom en DOCX-fil fortfarande vet vilka stycken som är rubriker.
Markdown för LLM- och RAG-flöden, Obsidian och Notion
RAG- och LLM-pipelines
Rubriker ger en textdelare naturliga gränser för varje del, så att varje del behåller sin avsnittsrubrik, och Markdown använder betydligt färre tokens på markup än HTML.
Obsidian-valv
Obsidian sparar varje anteckning som en vanlig .md-fil i en mapp på din disk, så den konverterade filen kan läggas direkt i ett valv.
Notion-arbetsytor
Notions Markdown-import gör rubriker, listor och pipe-tabeller till egna block, renare än att klistra in från en PDF-läsare.
För en retrieval-pipeline konverterar du med Behåll bilder avstängt, om inte en visionsmodell ska läsa figurerna, och väljer rätt Dokumentets språk för skanningar så att OCR inte hittar på tecken som hamnar i ditt index. Kontrollera sedan de två första rubriknivåerna: en bildtext som blivit ## delar delarna på konstiga ställen, och en sök-och-ersätt fixar det före indexeringen. Ren text jämförs dessutom snyggt i Git, så en ny utgåva av en manual kan jämföras mening för mening.
Vanliga frågor om PDF till Markdown
Vilken Markdown-variant skriver PDF till MD-konverteraren?
Rubriker, listor, betoning och länkar följer CommonMark, och tabeller skrivs som GitHub-flavored pipe-tabeller, eftersom ren CommonMark saknar tabellsyntax. Det visas korrekt på GitHub, GitLab, Obsidian och VS Code.
Kan jag konvertera en skannad PDF till Markdown?
Ja. Med Textigenkänning (OCR) på Auto läses sidor utan textlager först och strukturen byggs upp efteråt, så en rak skanning på 300 DPI ger en renare disposition än ett skevt mobilfoto. Vill du ha en sökbar PDF i stället för en .md-fil kan du använda OCR PDF.
Varför blev en fetstilad bildtext en rubrik?
Rubriker identifieras utifrån storlek, tjocklek och avstånd, och en kort fetstilt rad som står ensam, till exempel en bildtext, kan se ut precis som en underrubrik. Ta bort dess #-tecken, så påverkas inte resten av dispositionen.
Hur importerar jag Markdown-filen till Notion?
Välj Import i Notions sidofält, välj Text & Markdown och markera filen. Varje #-rubrik blir ett rubrikblock och varje pipe-tabell en enkel tabell.
Varför är .md-filen så mycket mindre än PDF-filen?
PDF-filen innehåller inbäddade typsnitt, bilder och ritinstruktioner för varje sida, medan Markdown bara behåller tecken och några få symboler. En textrik rapport på flera megabyte blir vanligtvis några hundra kilobyte Markdown, som dessutom lättare ryms i en modells kontextfönster.
Kan jag göra om Markdown-filen till PDF igen efter redigering?
Ja. Vilken redigerare som helst som kan exportera kan skapa en PDF igen, och UltKit har en konverterare från Markdown till PDF för tur och retur. Den nya PDF-filen använder renderarens typsnitt och avstånd, inte den ursprungliga designen.
- PDF till textExtrahera orden ur valfri PDF som en ren textfil i UTF-8. Skannade sidor läses med OCR, sidintervall är valfritt och bara texten behålls.
- Konvertera PDF till TXTKonvertera PDF till TXT gratis online. Digitala sidor behåller exakta tecken, skannade sidor körs genom OCR. Du får en UTF-8 .txt-fil per PDF.
- PDF till WordKonvertera PDF till Word som du kan redigera. Texten blir vanliga stycken, skannade sidor får OCR på 34 språk, upp till 20 filer åt gången.
- Konvertera DOCX till MarkdownKonvertera Word DOCX till ren Markdown för GitHub, statiska webbplatser och docs-as-code. Bilder sparas bredvid .md i en ZIP, 20 filer åt gången.
- Markdown till PDFKonvertera .md- och .markdown-filer till PDF med riktiga rubriker, listor, tabeller, länkar och kodblock. Bokmärken från dina #-rubriker.
- Konvertera PDF till EPUBKonvertera PDF till ombrytbar EPUB som anpassar sig till Kindle, Kobo, Apple Books och mobilen. Teckenstorleken går att ändra, bilderna behålls.
